人工智能首页 > AI资讯 > 正文

人工智能技术在零售行业有广泛的应用空间

2019-09-04 阅读888次

  接触人工智能技术,大多人都是从计算机视觉领域中的人脸识别开始,从安防到 手机 开屏都有了广泛的应用。而与人脸识别相对应的是物体的识别,其中的商品识别由于在零售行业有广泛的应用空间,最近两年逐步受到行业内头部人工智能企业的重视,包括腾讯、旷视、商汤等都在商品识别领域有广泛的研究。本次大会上,我们也看到了从核心技术到产品落地,商品识别开始有了更大的突破。

人工智能技术在零售行业有广泛的应用空间

  线下数字化是我们生活实现智能的一个前提,也就是人类的出行生活等都可以被计算机所理解和描述,从而可以被进一步的优化。我们在网络上的所有行为都是数字化的,比如在淘宝上看过哪些商品,看了多久,在百度上搜索过什么内容,在 微信 上的聊天,在头条的新闻浏览,这些行为都能被计算机捕捉,并被应用方作为产品优化的主要依据。而线下的数字化就难了很多,计算机视觉是实现线下数字化的一个重要技术。

  类似于淘宝购物,如果商超能够实现对顾客从进店那一刻起的所有行为进行识别和分析,那么会大大提升店内的商品优化和运营效率。这个领域的核心技术为人的识别(人脸识别、用户重识别Re-ID以及用户行为分析)和商品识别。而商品识别同时还有货架排面分析,自动结算等方面的应用,是解决线下数字化的一个核心技术点。

  “人脸识别和商品识别哪个更难?”这是很多人经常问的一个问题。首先这个问题不是很科学,任何问题在不同的场景都可以很难或者比较容易。从算法模型来看,人脸识别模型可以做到手机上,而商品识别基本上不可能做到,也就是商品识别的模型一般会比人脸识别的模型大很多。商品识别最大的难度在于商品种类的多样性和多角度识别。很多应用场景会要求对商品的各个角度能够识别,我们简单理解一下,如果人的识别也要做到看后脑勺就能识别,是不是难度高了好几个级别。另外一个方面是很多人脸识别是配合型的,但是商品识别基本都是不配合型的。

  从技术上来看,商品识别分为两个步骤,第一步是目标检测,也就是在一个图片上先找到一个或者多个感兴趣的目标,一般用一个叫bounding-box的画框把目标抠出来。第二步是对这个画框的内容进行识别,区分具体是哪个商品。在大部分场景,第一步目标检测的难度是远远超过识别的难度。


随意打赏